动态规划的背包问题

动态规划的背包问题

此文章将对于动态规划的背包问题进行讲解（笔者蒟蒻原创，有差错之处请大佬指正）。首先我们来看背包的基本问题。

01背包

先看题目：

你有一个容量为M的背包和n件物品。第i件的物品重量是w[i]，价值是v[i]。求解将哪些物品装入背包可使这些物品的重量总和不超过背包容量，且价值总和最大。

想用贪心？可以，但拿不了满分，为什么？有人证明过贪心并不是最优解。至于为什么，您可以试着证明下。反正笔者不会

下面开始动规：

状态转移方程是f(i,j)=max(f(i-1,j),f(i-1,j-w[i])+v[i])

表示在抉择第i个物品时背包还有j的空间。f(i-1,j)表示不拿此物品，f(i-1,j-w[i])+v[i])表示拿此物品。前面一个好理解，后者我们来分析一波。因为我们要拿此物，所以要在有j-w[i]个空间时来拿物品，然后加上v[i]后与不拿来相比哪个大。（在j-w[i]个空间时我们保存了当时的最优解）请读者认真体会以上文字。

下面我们来用代码实现此状态转移方程：

for(int i=1; i<=n; i++)
        for(int j=1; j<=m; j++) {
            if(j>=w[i])
                f[i][j]=max(f[i-1][j],f[i-1][j-w[i]]+v[i]);
            else f[i][j]=f[i-1][j];//记得这句
        }

更神奇的是我们可以用一维数组来表示：

for(int i=1; i<=n; i++)
        for(int j=m; j>=w[i]; j--) {//这里是逆序，为了在f[j-w[i]]被覆盖之前调用到它，这里直接循环到w[i]就好了
            f[j]=max(f[j],f[j-w[i]]+v[i]);
        }

这时我们就不需要第一个代码中的那么多if了（请读者自己想为什么，很显然的啦）

用一维数组来实现其实有个更高端的名字：滚动数组

完全背包

何为完全背包？不同于01背包的就是每种物品有无限个（想拿多少拿多少）。这要怎么实现？

其实不难，先贴代码：

for(int i=1; i<=n; i++)
        for(int j=w[i]; j<=m; j++) {
            f[j]=max(f[j],f[j-w[i]]+v[i]);
        }

嗯？这不就是01背包吗？认真看看，发现这里的j是正序循环。正序循环就能实现完全背包？是的！

解释一波：正序循环可以保证我们后面调用f[j-w[i]]时是已经装了若干个物品i的状态。下面用二维数组来实现下，读者可以对比来看加深理解。

for(int i=1; i<=n; i++)
    for(int j=w[i]; j<=m; j++) {
        if(w[i]<=j)
            f[i][j]=max(f[i-1][j],f[i][j-w[i]]+v[i]);
        else f[i][j]=f[i-1][j];
    }

注意这里是f(i)(j-w[i])+v[i]而不是f(i-1)(j-w[i])+v[i]，因为此时我们是需要在当前已经装了i后还继续装i，而不是只装一个i。而滚动数组就不需要考虑这一点（请读者认真体会）。

多重背包

简单来说就是输入时加一个此物品的数量。最简单的办法就是把每种物品拆成多个用01背包来做。

未完待续~~